MPI并行计算性能的研究

探索了一种基于Windows系统平台的、用于实现高性能计算的MPI并行环境.采用MPI最新版本MPICH2-1.0.6作为并行计算的支撑环境,通过编制的三个具有代表性的MPI并行计算程序,并在以100M bps交换式局域网作为互连的机群上和具有双核处理器的PC机上分别进行了并行效率的实际测试,得到了预期结果,并做了相应分析.     

小型Linux集群系统的组建

并行计算广泛地应用到各个领域,基于Linux集群的MPI并行环境是一个廉价而高效的并行计算、系统.介绍了一种基于Linux集群的MPI并行计算平台的构建方法,并提出了软件的详细配置过程.     

一种基于Linux集群和MPI编程环境的并行计算方法

首先介绍了Linux集群、并行计算和MPI技术的基本概念与方法,深入研究了MPI并行编程环境和集群并行计算模式。然后对MPI进行了分析,给出了Linux环境下MPI编程环境的配置方法,在此基础上构建了一个基于Linux和MPI的集群系统。     

混合并行计算在海洋水龄谱模拟中的应用研究

在海洋水龄谱数值模拟过程中应用并行计算技术可以显著提高运算效率。将适用于分布式存储环境的消息传递接口(Message Passing Interface,MPI)与适用于共享存储环境的开放式多处理(Open Multi-Processing,OpenMP)两种并行计算技术相结合,提出了一种适用于海洋水龄谱数值模拟的混合并行计算模型。对比了其与传统的纯MPI方式在多核心(Chip Muti-processors)集群上的运算效率,并在此基础上研究了混合模型的系统资源利用情况以进一步了解其扩展能力。实验结果表明,MPI+OpenMP混合并行水龄谱模型具有更高的运算效率,同时系统资源消耗明显低于纯MPI方式。     

基于MPI的三维枝晶生长相场法的并行计算

充分利用MPI(message passing interface)在并行环境下远高于单CPU的强大计算能力,探索基于MPI的并行系统结构,求解三维枝晶生长的高性能计算方法.通过多进程的并发执行,实现三维相场方程求解的并行计算,探讨MPI中点对点通信与集合通信在并行计算时数据传输的效率,讨论热噪声幅值Fu=0与Fu=10-3时三维枝晶生长过程.计算结果表明:基于MPI的并行算法可使模拟尺度达到1 000×1 000×1 000网格,大大提高可模拟尺度;采用集合通信模式比点对点通信模式具有更高的并行效率,更加适合大规模并行计算环境.     

多域MPI运行环境技术

针对MPI互操作问题进行研究,重点探讨了跨域并行计算所涉及的计算资源描述、进程信息交互等技术问题.采用动态虚连接技术优化了点点通信的性能,并采用拓扑感知的聚合优化算法优化了全局通信,实现了多域MPI运行环境Lyra-MPI,支持MPI2.0的动态特性.测试结果表明Lyra-MPI系统的综合能力强,可以很好地支持大规模MPI应用的跨域运行.     

MPI并行编程环境及程序设计

通过对MPI原理和特点的研究,给出了并行MPI程序的基本设计思路和执行过程,并实现了向量相加的并行计算.     

一种利用工作站群集的并行计算研究方案

提出一种利用工作站群集的并行计算研究方案,即在现有的局域网基础上构建PC群集,为相关科学研究提供并行计算平台．分析了编程环境,并给出了一个求π的MPI程序实例。     

MPI并行编程环境及程序设计

通过对MPI原理和特点的研究,给出了并行MPI程序的基本设计思路和执行过程,并实现了向量相加的并行计算.     

基于MPI的反应扩散方程的并行计算

以MPI 作为编程环境,实现了反应扩散方程的并行计算.通过比较在单核和双核CPU上的运行时间,可以看出:双核CPU可以大大提高并行程序的运行效率.并且,当并行程序中的进程数为CPU内核数的整数倍时,并行程序运行效率最高.     

基于高性能微机群集的并行计算环境的设计与实现

基于工作站或高性能微机群组的并行计算,是并行计算领域研究的热点。常见的并行环境有ＭＰＩ等,但它们编程复杂,并行程序的可移植性差。该文介绍了一种有效的并行计算模型ＢＳＰ,它的并行编程容易,性能可预测,程序的可移植性好。     

PC机上并行计算线性方程组

作者从微机内存有限这一实际情况出发,采取内存与硬盘交换数据的方法,利用网络技术及可移植消息传递界面MPI,给出了在微机簇上实现求解较大规模线性方程组的并行算法。同时,此算法也适用于在单个微机上串行求解线性方程组。并编制程序在微机簇上进行了数值试验,得出了正确的计算结果。     

基于MPI的并行PC集群搭建的实现

本文阐述了在Linux和Windows系统下,搭建基于MPI的并行PC集群的过程,实现了各个节点的互通和基于MPI的并行计算.     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

基于消息传递的MCC集群实现

并行处理是提高计算能力的一种方法,通过网络相互连接的工作站和PC构成一个庞大的资源,以多计算机互连为基础的集群成为一种新的高效的大规模并行计算工具.本文讨论了基于消息传递机制的并行处理系统MCC的设计和实现方案.MCC系统提供了消息队列管理、节点管理、任务管理等功能,为用户提供了一个良好的并行程序开发和设计的环境.     

云计算环境的并行支持向量机

针对基于GPU和MPI并行的支持向量机（SVM）算法不适合于云计算环境,设计了一种基于多级SVM的并行支持向量机模型,实现了云计算环境下的序列最小优化（SMO）的并行算法。该算法通过MapReduce系统将大规模训练数据集划分为若干小训练集,再由这些小训练集开发多级的SVM,最后收集每一个SVM最优超平面附近的样本数据来训练另一个新的SVM。实验结果表明,该算法在时间消耗与分类正确率等综合方面比单机算法和传统并行算法获得更好的效果。